该文被密码保护。 阅读全文
该文被密码保护。 阅读全文
摘要：
一.读前说明 1.论文"Densely Connected Convolutional Networks"是现在为止效果最好的CNN架构,比Resnet还好,有必要学习一下它为什么效果这么好. 2.代码地址：https://github.com/liuzhuang13/DenseNet 3.这篇论文 阅读全文
摘要：
一.问题: keras中不能在每个epoch实时显示学习速率learning rate,从而方便调试,实际上也是为了调试解决这个问题:Deep Learning 31: 不同版本的keras,对同样的代码,得到不同结果的原因总结 二.解决方法 1.把下面代码加入keras文件callbacks.py 阅读全文
摘要：
一.疑问 这几天一直纠结于一个问题: 同样的代码,为什么在keras的0.3.3版本中,拟合得比较好,也没有过拟合,验证集准确率一直高于训练准确率. 但是在换到keras的1.2.0版本中的时候,就过拟合了,验证误差一直高于训练误差 二.答案 今天终于发现原因了,原来是这两个版本的keras的opt 阅读全文
摘要：
一.深度卷积神经网络学习笔记（一）： 1. 这篇文章以贾清扬的ppt说明了卷积的实质，更说明了卷积输出图像大小应该为： 假设输入图像尺寸为W，卷积核尺寸为F，步幅（stride）为S（卷积核移动的步幅），Padding使用P（用于填充输入图像的边界，一般填充0）,那么经过该卷积层后输出的图像尺寸为（ 阅读全文
摘要：
1.跑教程：深度学习（六）caffe入门学习，上面有比较好的注释 .prototxt文件：网络结构文件 solver.prototxt：网络求解文件 2.caffe学习入门：pycaffe的使用 阅读全文
摘要：
读这篇论文“ Multi Column Deep Neural Network for Traffic Sign Classification”是为了更加理解，论文“Multi-column Deep Neural Networks for Image Classification ” 阅读全文
摘要：
这篇经典论文，甚至可以说是2015年最牛的一篇论文，早就有很多人解读，不需要自己着摸，但是看了论文原文Batch normalization: Accelerating deep network training by reducing internal covariate shift 和下面的这些 阅读全文